包含分区组的确定性筛选设计的示例
本例使用包含分区组变量的确定性筛选设计。假定因原材料约束，萃取实验要求您使用两个不同批的材料来执行该实验。分区组变量可以解释可能存在的批变异。
创建设计
萃取因子及其设置在数据表 Extraction Factors.jmp 中提供。生成包含区组的确定性筛选设计：
1. 选择实验设计 > 确定性筛选 > 确定性筛选设计。
2. 双击“响应名称”下的 Y，然后键入产量。
3. 选择帮助 > 样本数据文件夹，然后打开 Design Experiment/Extraction Factors.jmp。
4. 点击“确定性筛选设计”旁边的红色小三角并选择加载因子。
因子名称和范围将添加到“因子”部分。
5. 点击继续。
“设计选项”部分随即打开。您可以在此指定分区组结构。
6. 选择添加包含中心试验的区组以估计二次效应。
保持区组数设置为 2。
您要为 Extraction2 Data.jmp 样本数据表重新创建设计，该数据表在创建时未使用额外试验。尽管极力推荐使用额外试验，在本例中仍不添加额外试验。
7. 在额外试验次数旁边，选择 0。
8. 点击制作设计。
“确定性筛选设计”窗口更新，以显示“设计”部分和“设计评估”部分。
检查该区组是否已添加至“因子”部分和设计中。
9. 在“因子”部分中，双击区组并键入批。
在“输出选项”面板中，请注意“试验顺序”设置为区组内随机。
10. 点击制表。
注意：您设计中的试验的显示顺序可能不同于图 8.13 中显示的顺序。
图 8.13 针对萃取过程的包含区组的确定性筛选设计
请注意，试验 1 是“第 1 批”中的中心点试验，试验 14 是“第 2 批”中的中心点试验。
分析实验数据
此时，执行实验并将数据记录在设计表的产量列中（图 8.13）。Extraction2 Data.jmp 样本数据表包含您的实验结果。Extraction2 Data.jmp 样本数据表中试验的顺序不同于图 8.13 中的顺序。
要探索所有二阶效应，其中一个选项就是使用“所有可能的模型”回归。另一个选项是使用向前逐步回归。不过，这些标准方法往往无法标识活跃效应。出于此原因，您需要使用“拟合确定性筛选”平台。
1. 选择帮助 > 样本数据文件夹，然后打开 Design Experiment/Extraction2 Data.jmp。
2. 在设计表的“表”面板中，点击拟合确定性筛选脚本旁边的绿色小三角。
图 8.14 “拟合确定性筛选”报表
“拟合确定性筛选”标识为可能活跃的效应都列在“组合模型参数估计值”报表中。
3. 点击“组合模型参数估计值”报表底部的运行模型按钮。
这将使用标准最小二乘法模型来拟合标识为可能活跃的效应。
图 8.15 “标准最小二乘法”报表
“预测值-实际值图”显示没有证据表明失拟。“效应汇总”报表显示甲醇*乙醇和甲醇*甲醇不显著。您决定从模型中删除这些效应。
4. 在“效应汇总”报表中选择“甲醇*乙醇”和“甲醇*甲醇”，然后点击删除。
图 8.16 最终的活跃效应集
其余效应全部显著。您推断这些是活跃效应。